INGENIERA

COMERCIAL

ECONOMETRA I

PROFESOR: CAROLINA CONCHA ARRIAGADA

CUESTIONES GENERALES DEL CURSO
Profesor: Carolina Andrea Concha Arriagada
Correo: cconcha.arriagada@gmail.com

Horario de consultas: coordinar va correo electrnico

Evaluaciones:
Dos evaluaciones parciales 20% c/u
Trabajo prctico 20%
2 controles 5% c/u
Exmen final 30%

Ayundatas:
Sbados.
CUESTIONES GENERALES DEL CURSO
Bibliografa obligatoria:
Introduccin a la Econometra: Un enfoque
moderno. Jeffrey Wooldridge (2010).

Bibliografa adicional:
Introduccin a la Econometra. Stock, J. and
Watson, M. (2012).
CAPITULO I: INTRODUCCIN
PROGRAMA CAPTULO I: INTRODUCCIN
1. Repaso de Conceptos bsicos de estadstica
Conceptos claves
Momentos poblacionales importantes.
Momentos muestrales importantes.

2. Introduccin a la econometra:
Qu es la Econometra?
Causalidad y la nocin de ceteris paribus
Estructura de datos econmicos

3. Introduccin a Stata:
Ideas generales y comandos bsicos para realizar un anlisis
en Stata
1. REPASO DE
ESTADSTICAS:
Conceptos claves
CONCEPTOS CLAVES
Poblacin: es el conjunto total de individuos, objetos o medidas que poseen
algunas caractersticas comunes observables en un lugar y en un momento
determinado. Ejemplo: una comuna, una provincia, un pas, etc.
Caractersticas comunes: Homogeneidad, tiempo, espacio, cantidad

Muestra: la muestra es un subconjunto fielmente representativo de la poblacin.

El muestreo es indispensable para el investigador ya que es imposible entrevistar a

todos los miembros de una poblacin debido a problemas de tiempo, recursos y
esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un
subconjunto de la poblacin, pero que la misma sea lo suficientemente representativa
de sta para que luego pueda generalizarse con seguridad de ellas a la poblacin.
 CONCEPTOS CLAVES (CONT.)

Variable aleatoria (y): es una funcin que asigna un valor, usualmente

numrico, al resultado de un experimento aleatorio. Esta variable puede ser
continua o discreta.

Distribucin de probabilidad o funcin de densidad de (y): relaciona

los posibles valores de la variable con la probabilidad que estos ocurran.
Se le llama distribucin de probabilidad cuando la variable es discreta
Pr(y==t)=0.5
Se le llama funcin de densidad cuando la variable es continua
Pr(p<x<t)=0.4
1. REPASO DE ESTADSTICAS:
MOMENTOS POBLACIONALES
IMPORTANTES
MOMENTOS POBLACIONALES
IMPORTANTES
Estn asociados a la poblacin en la cual realizaremos el
anlisis.
Los ms importantes son: esperanza, varianza y covarianza.
La esperanza (media) poblacional es el valor medio de largo plazo.
y E(y)

Propiedades:
1. E(ax+b)= a E(x) + b

2. E(a) = a si a es una constante

3. E(x+y)=E(x) + E(y) donde X e Y son variables aleatorias

MOMENTOS POBLACIONALES
IMPORTANTES (CONT.)
Los ms importantes son: esperanza, varianza y alguna medida de relacin
entre dos variables.
La varianza y la desviacin tipica miden la dispersin de una variable en su
distribucin.
2
var y E y E y
2
y

y var(y)

Propiedades de la varianza:
1. var(y) E(y2 ) E(y)2

2. S var(ay b) a2 var(y)donde a es una constante

3.
var(ax by) a2 var(y) b2 var(x) donde x e y son variables aleatorias
MOMENTOS POBLACIONALES
IMPORTANTES (CONT.)
Los ms importantes son: esperanza, varianza, covarianza y coeficiente de
correlacin.
La covarianza de dos variables tiene relacin con la distribucin conjunta de dos
variables aleatorias.
Una distribucin conjunta muestra la probabilidad de las dos variables aleatorias
(que llamaremos X e Y) tomen ciertos valores concretos de forma simultnea.
La covarianza es una medida del grado al que dos variables aleatorias evolucionan
conjuntamente.
cov(x, y) E x E(x) y E(y)
Propiedades:
1. S
cov(x, y) E xy E x E y

cov x, y E x E x y E y E y x
2. J

3. x cov
y, y var y
MOMENTOS POBLACIONALES
IMPORTANTES (CONT.)
Los ms importantes son: esperanza, varianza, covarianza y
coeficiente de correlacin.

Coeficiente de correlacin: mide la relacin lineal (positiva o

negativa entre las variables). Va entre -1 y 1. Ms cercano a uno
(menos uno) indica una relacin positiva (negativa) ms fuerte.
Mientras ms cercano a cero, menor es el grado de correlacin
entre las variables.
1. REPASO DE ESTADSTICAS:
MOMENTOS MUESTRALES
IMPORTANTES
MOMENTOS MUESTRALES IMPORTANTES
Supongamos que estamos interesados en estimar la
esperanza poblacional en base a una muestra aleatoria de
tamao N. Un estimador natural de es la media muestral:

Un estimador es una funcin de la muestra aleatoria por lo

tanto tambin es una variable aleatoria.
Las propiedades dey estn determinadas por la distribucin
muestral de esta variable :
1. Los individuos de la muestra son elegidos en forma aleatoria.
Entonces la muestra es aleatoria.
MOMENTOS MUESTRALES IMPORTANTES
(CONT.)
Media (promedio) muestral:

Varianza muestral:

Covarianza muestral:

Tambin es posible calcular la esperanza y la varianza de los

estimadores antes descritos, dado que ellos tambin son
variables aleatorias. Se les denomina estimadores del
parmetro de inters, y se derivan de la muestra.
EJERCICIO (CONT.)

Encuentra la media, varianza, desviacin estndar,

covarianza y coeficiente de correlacin de las siguientes
variables:
EJERCICIO (CONT.)
Encuentra la media, varianza, desviacin estndar,
covarianza y coeficiente de correlacin de las siguientes
variables:
2. QU ES LA
ECONOMETRA?
QU ES LA ECONOMETRA?
Es la aplicacin de Mtodos estadsticos al Estudio de la Economa.
La Teora Econmica sugiere relaciones entre variables que, normalmente,
tienen implicaciones importantes en el diseo de polticas; pero rara vez sugiere
cul es la magnitud de los efectos causales entre esas variables.

Por ejemplo:
Cul es el efecto de reducir el tamao de la clase en las notas de los estudiantes?
Hay discriminacin racial en la asignacin de crditos hipotecarios?
Cul es el efecto de tener hijos sobre la oferta laboral de las madres?
Cul es el efecto de un aumento del precio sobre la cantidad demandada?
Cunto se reduce el tabaquismo con los impuestos al tabaco?
QU ES LA ECONOMETRA? (CONT.)
La Teora Econmica trata de responder al POR QU?
La Econometra trata de dar respuestas a CUNTO?
A veces la teora no nos dice a priori cmo es la relacin entre dos variables de
inters. Entonces apelamos a los datos empricos para darle un signo a esta
relacin.

La econometra nos permite medir el efecto entre variables de inters. Se aplica

en los siguientes casos:
o. Estimacin de relaciones causales: funciones de demanda, funciones de
produccin, etc.
o. Contraste de teoras econmicas: hiptesis de los modelos de capital humano
(relacin entre educacin e ingreso; salud e ingreso,etc.)
o. Evaluacin de polticas gubernamentales: efecto sobre el empleo de un
aumento en el salario mnimo
o. Prediccin: predecir variables macroeconmicas como la inflacin, el PIB, etc.
CAUSALIDAD Y LA NOCIN DE CETERIS
PARIBUS
La teora econmica muchas veces establece relaciones entre
variables, pero no cuntifica las relaciones causales que pueden
existir.
Por ejemplo,
Cul es el efecto de reducir el tamao de una clase en el rendimiento de
los estudiantes?
En este caso estaramos interesados en conocer cual es el impacto de reducir
eltamao de clase, como poltica pblica, sobre el rendimiento de los
estudiantes.
Existe discriminacin racial en el mercado laboral?
Aqu el inters radicara en ver si existen diferencias en los salarios (por
ejemplo) de personas de diferentes etnias.
El mayor problema que se enfrenta en este anlisis es obtener el
CETERIS PARIBUS que hemos usado en la teora econmica para
analizar causalidad.
Usualmente tendremos que preocuparnos por controlar por todo lo
adicional que pudiera estar afectando Y, de tal manera de aislar el
efecto neto de X.
CAUSALIDAD: QU PODEMOS HACER?
El primer anlisis proviene de los datos que utilizaremos,
ellos son la fuente que tenemos de informacin.

Utilizacin de experimentos aleatorios, para obtener los

datos que son necesarios para nuestro anlisis.
Qu experimento diseara para analizar el efecto causal
tamao de clase rendimiento estudiantes?
En la mayor parte de los casos no es posible realizar
experimentos qu hacemos entonces?
Se puede utilizar la informacin que es recolectada por
diferentes fuentes no experimentales: encuestas y datos
administrativos. Por ejemplo, Censo de poblacin y vivienda,
CASEN, datos de Superintendencia de Salud (datos
administrativos)
CAUSALIDAD: QU PODEMOS HACER?
(CONT.)
Beneficios de trabajar con datos experimentales: se realiza el
experimento para medir el efecto de la poltica pblica
hechos a medida.

Dificultades de trabajar con datos observacionales:

Omisin de variable relevante.
Simultaneidad o causalidad reversa.
Error de medida
Seleccin de la muestra.

La mayor parte de los anlisis econometrcos se hacen

utilizando los datos observacionales, por lo que es muy
importante tener en cuenta los eventuales problemas que
podemos enfrentar y buscar soluciones (en caso que ellos
existan).
ESTRUCTURA DE LOS DATOS

Los datos a utilizar en un anlisis economtrico

pueden ser clasificados en tres tipos:
1. Datos de corte transversal
2. Datos de panel
3. Datos de serie de tiempo
DATOS DE CORTE TRANSVERSAL (CROSS
SECTION)

Un corte transversal es una muestra aleatoria con las siguientes

caractersticas:
Cada observacin es un individuo, una empresa, un pas.
Cada observacin se corresponde al mismo perodo de tiempo.
Si por alguna razn la muestra no fuera aleatoria, vamos a tener un problema
que se llama sesgo de seleccin.
El orden de los datos es arbitrario
DATOS DE CORTE TRANSVERSAL (CONT.)
Ejemplo: Datos de 420 distritos educacionales para California
para 1998
DATOS DE CORTE TRANSVERSAL (CONT.)
Ejemplo: Datos de salario
DATOS DE SERIES DE TIEMPOS
Una serie de tiempo tiene las siguientes caractersticas:
Son observaciones de una variable o varias variables a lo largo de
varios periodos de tiempo (aos, meses, etc.).
Las observaciones no son independientes: la evolucin temporal
puede explotarse con nes predictivos.
La frecuencia y orden con la que se observan los datos es muy
importante.
Ej: precio de activos nancieros y reales, series macroeconmicas
(tipos de inters, tipos de cambio, tasa de inacin, PIB, etc.)
DATOS DE SERIES DE TIEMPO (CONT.)
Ejemplo: Datos de inflacin, empleo, desempleo y crecimiento
para un pas
DATOS DE PANEL O LONGITUDINALES
Un panel tiene las siguientes caractersticas:
Consisten en una serie temporal por cada unidad de corte
transversal. La longitud de las series temporales (T) suele ser mucho
ms corta que el nmero de unidades de corte transversal (N).
Generalmente N > T
Aportan ms informacin y permite responder a preguntas que los
cortes transversales no pueden
Permiten incluir una estructura temporal en el razonamiento
econmico
DATOS DE PANEL O LONGITUDINALES (CONT.)
Ejemplo: Panel de Firmas
APLICACIONES
a) Aumentar los impuestos sobre el consumo de alcohol salva vidas?
Cook, Ostermann, and Sloan (2005).
DATOS: Utilizan datos americanos estatales sobre tasas de mortalidad entre
1970-2000, consumo de alcohol agregado, tasas de impuestos sobre el alcohol,
etc.
Resultados:
Duplicar el consumo de alcohol aumenta la mortalidad en un 23%.
Eso implica que se pasara de 2.4 milliones de muertes por ao a 2.9 millones.
Duplicar los impuestos sobre el alcohol reducira la mortalidad en un 0.7%
Es decir, en USA, se salvaran 16.000 vidas por ao
APLICACIONES
b) Evaluacin del Programa Hogares Comunitarios en Colombia
Attanasio and Vera-Hernndez (2006).
DATOS: Analizan el efecto que tiene sobre la altura y peso del nio y sobre la
participacin laboral de las madres la asistencia a hogares comunitarios (madres
de la comunidad que cuidan a nios y adems les dan un suplemento nutritivo).
Resultados:
La asistencia a un hogar comunitario aumenta la altura del nio en 2cm, si el resto de
factores que explican la altura se mantiene constante.
La asistencia al Hogar Comunitario aumenta la oferta laboral de las madres en 71.7
horas por mes.
3. INTRODUCCIN A STATA
QU ES STATA?

Es un paquete de software estadstico y

economtrico, utilizado principalmente
por instituciones acadmicas y
empresariales dedicadas a la
investigacin, especialmente en
economa, sociologa, ciencias polticas,
biomedicina y epidemiologa.

Usos: manejo de bases de datos, anlisis

estadstico, anlisis economtrico,
graficar datos.
CMO USAMOS STATA? PASOS
GENERALES
Paso 1: abrir un do-file.
Paso 2: realizar limpieza de la informacin que pudiese existir en el programa
(si lo estabamos usando desde antes). Para esto usamos el comando clear
Paso 3: seleccionar una carpeta donde trabajaremos. Para esto usamos el
comando cd.
Paso 4: seleccionar la base de datos con la que trabajaremos: Para esto usamos
el comando use [nombre de a base], clear
Paso 5: Miramos los datos que tiene la base de datos y sus descriptivos. Para
esto usamos los comandos desc y sum.
Pasos siguientes: depender del anlisis que queramos realizar.

Veamos un ejemplo
EJEMPLO RENDIMIENTO Y TAMAO DE
CLASE
Queremos observar si tiene algn efecto en las
notas. Para ello usamos la base de Stock y
Watson caschool que contiene datos del
California Test Score.
Caractersticas de la Base
N=420 obs
Variables:
Examen de 5 grado (matemticas y lectura):
media de los distritos
STR = Ratio estudiantes/profesores
EJEMPLO RENDIMIENTO Y TAMAO DE
CLASE (CONT.)
Adems de seguir los pasos anteriores,
podemos tratar de ver la relacin entre las
variables de inters de manera grfica. Para
ello podemos usar el comando twoway
scatter.
EJEMPLO RENDIMIENTO Y TAMAO DE
CLASE (CONT.)

Podemos, tambin y de forma complementaria,

usar una correlacin
EJEMPLO RENDIMIENTO Y TAMAO DE
CLASE (CONT.)
Con esta informacin en cuenta, podemos estar
interesados en hacer un anlisis un poco ms detallado.
Por ejemplo, podramos querer analizar si el impacto de
la poltica es diferente en colegios con ratios altos y
bajos.
En este caso, creemos que las notas en cursos con
menor ratio debieran tener mejor rendimiento.
Cmo hacemos esto?

Podemos utilizar las medias para cada grupo y

compararlas.
 EJEMPLO RENDIMIENTO Y TAMAO DE
CLASE (CONT.)

Esta informacin nos dice que:

Ahora entonces calculamos la diferencia en las medias de cada grupo.

Es decir, las notas en los distritos con menores ratios son, en media,
7.4 puntos mayores
 INGENIERA
COMERCIAL

ECONOMETRA I

PROFESOR: CAROLINA CONCHA ARRIAGADA